六问六答： “AI+应用” 投资框架

行业评级：增持

中航证券社会服务团队

分析师：裴伊凡

证券执业证书号：S0640516120002

邮箱：peiyf@avicsec.com

群内每日免费分享5份+最新资料

300T网盘资源+40万份行业报告

为您的创业、职场、商业、投资、亲子、网赚、艺术、健身、心理、个人成长 …… 全面赋能！

关注公众号获取更多资料

添加微信，备
注“入群”
立刻免费领取
200套知识地图+最新研报

致终身学习者社群

行业报告/思维导图/电子书/资讯情报

收钱文案、增长黑客、产品运营、品牌企划、营销战略、办公软件、会计财务、广告设计、摄影修图、视频剪辑、直播带货、电商运营、投资理财、汽车房产、餐饮烹饪、职场经验、演讲口才、风水命理、心理思维、恋爱情趣、美妆护肤、健身瘦身、格斗搏击、漫画手绘、声乐训练、自媒体打造、效率软件工具、游戏影音……

扫码先加好友，以备不时之需

 Q1：为什么ChatGPT爆火?

答：颠覆传统内容生产的人工智能产品和交互体验。ChatGPT是一个基于语言模型GPT-3.5的聊天机器人，由美国人工智能公司OpenAI推出的一款对话式AI模型，具备上知天文下知地理，还能根据聊天的上下文进行互动的能力，能进行撰写邮件、视频脚本、文案、翻译、代码等任务，可以一定程度上替代搜索引擎，掀起内容生产的范式革命。

 Q2：GPT产品的演绎路径？

答：人工智能算法的迭代推动AIGC的发展，GPT系列属于神经AI，由2018年的GPT第1代迭代至今天的GPT-4。ChatGPT 核心技术包括自然语言生成能力的大模型 GPT-3.5以及训练这一模型的钥匙——基于人工反馈的强化学习（RLHF）；现在的ChatGPT已经可以接入GPT-4，具备了多模态生成能力，且表现出人类水平的推理能力。

 Q3：AIGC的底层技术驱动？

答：创新生成算法+预训练模型+多模态技术。AIGC是一种利用人工智能技术自动生成内容的新型生产方式，呈现为上游基础层，即由预训练模型为基础搭建的AIGC技术基础设施层，如相关算法/模型研究结构；中间层模型，即垂直化、场景化、个性化的模型和应用工具，在预训练的大模型基础上微调，实现在不同行业、垂直领域、功能场景的工业流水线式部署；下游应用层，即面向C端用户的文字、图片、音视频等内容生成服务等。

 Q4：AIGC如何重构内容生产力？

答：AIGC模型有望成为自动化内容生产的“工厂”和“流水线”。AIGC可分为音频生成、文本生成、图像生成、视频生成及图像、视频、文本间的跨模态生成，细分场景众多，跨模态生成是未来重点发展趋势。随着底层大模型不断对外开放，行业生态日益完善，AIGC加速渗透到千行百业，根据量子位智库测算， 2030年我国AIGC市场规模有望超万亿。

 Q5：看好“AI+”哪些应用场景？

答：AIGC可覆盖诸多应用场景，或将率先在传媒、电商、影视、娱乐等数字化程度高、内容需求丰富的行业取得重大创新发展。

 Q6：如何把握“AI+”时代的投资机遇？

答：人工智能奇点将近，引爆AIGC商业变现。GPT产品的更迭标志着人工智能进入了新的发展阶段，AI模型的训练开发将加速推进AIGC商业化进程，掀起“用户-数据-效果”的飞轮效应。
全年维度看，随着GPT逐渐从主题转向能够落地的阶段，有望在游戏、内容IP、电商、影视传媒等数字化程度高、内容需求丰富的行业率先商业化落地，赢家将展露头角。

➢ 重点推荐：游戏（昆仑万维/世纪华通/汤姆猫/神州泰岳/恺英网络）；内容IP（中文在线/中文传媒/视觉中国/果麦文化）;电商（小商品城/华凯易佰/吉宏股份/值得买）；办公（万兴科技/金山办公/泛微网络）；影视传媒（上海电影/光线传媒/人民网/新华网）；广告营销（蓝色光标/三人行/风语筑）；金融（同花顺）；酒店（石基信息）；数据要素（浙数文化/美亚柏科）。

➢ 风险提示：行业监管风险、政策收紧的风险、技术发展不及预期的风险、内容生态建设不及预期的风险、变现不及预期风险、舆论炒作风险、市场竞争风险。

一、为什么ChatGPT爆火？

二、 GPT产品的演绎路径？

三、 AIGC的底层技术驱动？

四、AIGC如何重构内容生产力？

五、看好“AI+”哪些应用场景？

六、如何把握“AI+”时代的投资机遇？

◼ 产品介绍：ChatGPT是一个基于语言模型GPT-3.5的聊天机器人，由美国人工智能公司OpenAI推出的一款对话式AI模型。

➢ 它会通过连接大量的语料库来训练模型，这些语料库包含了真实世界中的对话，使得ChatGPT具备上知天文下知地理，还能根据聊天的上下文进行互动的能力，做到与真正人类几乎无异的聊天场景进行交流；

➢ ChatGPT不单是聊天机器人，还能进行撰写邮件、视频脚本、文案、翻译、代码等任务。实际应用上，ChatGPT等文本AI可能帮助文本创造类行业完成智能内容生成，并一定程度上替代搜索引擎。

图表1：ChatGPT使用场景展示

资料来源：ChatGPT、百度百科，中航证券研究所整理

你是做什么的

我是一个大型语言模型，可以用于各种自然语言处理任务，例如回答问题、生成文本、语言翻译和对话系统等。

N 如果我要写关于你的报告，我该怎么做

如果你要写关于我这个语言模型的报告，以下是可能的一些参考内容：

1.概述：介绍ChatGPT的基本信息，例如我是一个大型语言模型，由OpenAI开发，可以用于各种自然语言处理任务。

2.技术原理：讲解ChatGPT的技术原理，例如基于Transformer架构，使用大规模语料库进行训练，通过自监督学习进行模型优化等。

3.应用领域：介绍ChatGPT在哪些应用领域中具有优势，例如对话系统、自然语言生成、机器翻译、语言模型微调等。

4.优势与局限性：讨论ChatGPT的优势和局限性，例如可以生成高质量的文本，但是在处理一些细节方面还存在不足。

5.发展趋势：展望ChatGPT在未来的发展趋势，例如结合多模态数据进行训练、提高模型的可解释性等。

以上仅是可能的一些参考内容，具体报告的内容取决于你的研究目的和深度。

如何看待延迟退休政策

延迟退休政策是一种应对人口老龄化和养老金可持续性问题的措施，通过推迟退休年龄来减轻养老金负担。其优点在于可以增加劳动力供给、提高老年人口的生产率和收入，有利于经济发展和社会稳定。但是，延迟退休政策也可能增加失业率和劳动力就业难度，加剧年轻人和老年人的就业竟争，还可能引起社会不公和心理压力等问题，需要平衡各方面的利益，合理实施。

中国人应该多少岁退休比较合适

中国政府目前实行的正常退休年龄是男性60周岁，女性55周岁，对于特殊职业可能有不同的规定。然而，由于人口老龄化等问题，一些专家建议逐步延迟退休年龄，以缓解养老金和社会保障的压力。具体的合适退休年龄应该根据国家的经济和社会状况、劳动力市场情况、人口结构、健康状况等综合因素来确定。在任何情况下，都需要权衡各方面的利益，确保老年人的权益得到保障，同时不给年轻人和失业人口带来太大的压力。

65岁退休怎么样

对于65岁退休这一问题，具体的实施情况应该根据不同国家的实际情况和需求来决定。在一些国家，65岁退休是常见的退休年龄，这是因为随着医疗技术和生活水平的提高，人们的健康状况得到了明显改善，相应的劳动力也得到了较好的保障，退休后的生活也能得到合理的安排。然而，在另一些国家，65岁退休可能不太合适，因为这些国家的人口结构、经济情况和社会保障体系等因素都有所不同。因此，我们需要考虑各种因素，包括人口年龄结构、健康状况、劳动力市场需求、养老金和社会保障体系等，来综合决定退休年龄。

ChatGPT接入插件功能，打造AI生态帝国：美东时间3月23日，OpenAI宣布解除了ChatGPT无法联网的限制，以第三方插件为中介，使ChatGPT能访问其他网站并获取实时信息，还支持执行计算，第一批插件由Expedia、OpenTable、Shopify等公司提供，这些插件的具体功能包括推荐餐厅、制定出游计划、网上商店购物、企业办公、信息检索、语言教学等，涵盖日常生活的衣食住行各个方面。

◼ 用户增速创历史记录： 2022年11月30日，OpenAI发布了ChatGPT，5天注册用户数就超过100万。瑞士银行巨头瑞银集团的一份报告显示，在ChatGPT推出仅两个月后，月活用户已经破亿，成为史上用户增长速度最快的消费级应用程序。OpenAI预测，公司在2023年预计营收2亿美元，在2024年将达到10亿美元。

◼ 商业变现模式：2023年2月2日，ChatGPT推出付费订阅版本，每月收取20美元（约合135RMB），让订阅者获得比免费版本更稳定、更快服务，尝试GPT-4功能等。

图表2：ChatGPT已接入插件展示

图表3：ChatGPT更为史上最快活跃用户破亿的应用

资料来源：OpenAI官网、ODAILy、央视财经、量子位、DemandSage、瑞银、智东西、Thuvienpc.，中航证券研究所整理

◼ ChatGPT的应用场景多元：ChatGPT潜在的市场规模是空前的，能够覆盖各个领域，包括自然语言处理、对话系统等六个方面。借助其强大的算力和算法分析，ChatGPT有望在教育、科研、游戏、新闻等多个领域发挥作用，并不断拓展其市场潜力。

图表4：ChatGPT的应用举例

对话式AI模型

ChatGPT

资料来源：中航证券研究所整理

自然语言处理

•语义分析•情感分析•实体识别

文本生成

•自动生成文章 •自动生成摘要 •自动生成评论

信息检索

•类似于搜索引擎•精准匹配内容

对话系统

•回答用户提出的问题•提供相关信息•帮助用户解决问题

语言翻译+语言模型

•不同语言之间翻译•单词、短语、句子预测

自动化写作

•利用预设的模板、关键字或信息，帮助用户自动生成各种类型的文本。

教育

科研

游戏

新闻

游戏

营销

一、为什么ChatGPT爆火？

GPT产品的演绎路径？

三、 AIGC的底层技术驱动？

四、AIGC如何重构内容生产力？

五、看好“AI+”哪些应用场景？

六、如何把握“AI+”时代的投资机遇？

◼ 人工智能算法的迭代推动AIGC的发展：几十年来，AI领域持续探索，1940-1980s符号AI占主导，1980年后，统计AI与神经AI齐头并进，二者竞争发展至今，GPT系列属于神经AI。

➢ 符号（Symbolic）AI：二十世纪80年代以前属于符号AI时代，开启了以知识建模算法、专家系统算法为代表AI早期发展阶段；

➢ 统计（Statistical）AI：1985年的贝叶斯网络和1995年的SVM是20世纪机器学习发展的两大标志，但近年来，逐渐成为非主流的研究方向；

➢ 神经（Neural）AI：经历了1980s-2012年神经网络、2012年后的深度学习两大阶段，深度神经网络和模型大小呈正相关，伴随着模型参数量的增加，相对应深度神经网络的能力将大幅提升，Google Brain的Transformer和OpenAI的GPT系列都属于深度学习领域的代表作。

图表5：ChatGPT的应用举例

资料来源：中国信通院、吉林大学学报、Cornrell University、《Attention Is All You Need》，中航证券研究所整理

GPT系列的迭代发展，造就了ChatGPT的诞生，初代的ChatGPT为GPT-3.5架构的产物，现仍在持续进化升级。

➢ GPT的定义及发展：GPT是一种基于Transformer架构的生成型预训练变换模型（Generative Pre-trained Transformer），用于解决NLP任务，可预测给定文本下个单词的概率分布，以生成人类可理解的自然语言。从算法模式的版本上，已经迭代到GPT-4，其在某些方面的性能“可与人类相媲美”，并在大学入学和法律及医学等专业领域的许多模拟考试中优于其前身GPT-3.5。

➢ ChatGPT是已经经历了GPT-3.5到GPT-4的过渡，多模态功能推出，已成为深度学习领域的旷世佳作。从GPT-1到GPT-4，它的功能越来越全面，表现也越来越类人，与2018年第一版GPT1.17亿的参数相比，GPT-3.5拥有着1750亿的参数量，GPT-4预计参数量或破万亿，这极大程度提升了GPT的运行规模，让GPT开始能完成系列令人难以置信的任务。

图表6：GPT系列产品升级情况

模型	发布时间	参数量	Transformer模型层数	解码器数	预训练数据量	技术介绍无监督学习，从而对高质量标注数据的要求比较低，有比较强的泛化能力(在没有见过数据的zero-shot中表现更稳定)。
GPT	2018.06	1.17亿	12	12	约5GB
GPT-2	2019.02	15亿	48	48	40GB	多任务学习，验证了通过海量数据和大量参数训练出来的词向量模型有泛化使用而不需要额外的训练。
GPT-3	2020.07	1750亿	96	96	45TB	海量参数，从而在无样本或极少量样本情况下完成下游NLP任务，还可以完成数学加法、代码编写等任务。
GPT-3.5	2022.11					使用RLHF (Reinforcement Learning from Human Feedback,基于人类反馈的强化学习)技术，可以进行连续对话。
GPT-4	2023.3	约10000亿				一种更加高效、准确和灵活的自然语言生成模型

资料来源：Botpress、Walmart Global Tech、量子位、Life Architect，中航证券研究所整理

◼ ChatGPT 核心技术主要包括其具有良好的自然语言生成能力的大模型 GPT-3.5/4 以及训练这一模型的钥匙— 基于人工反馈的强化学习（RLHF）。

GPT3.5建立在3.0的微调之上。据OpenAI披露，GPT-3已有1750亿参数训练，GPT3.5/4在此基础上参数量可能再创新高。2022年4月至7月，OpenAI 开始对code-davinci-002模型进行Beta 测试，其可能是最强大的针对自然语言的GPT-3.5 变体，ChatGPT就是从code-davinci-002进行指令微调得到的。此后ChatGPT在2022 年11 月发布，使用的基于人类反馈的强化学习的版本指令微调模型。

图表7：大模型参数量迅速增长

图表8：GPT3-GPT3.5的演变过程

资料来源：中国指挥与控制协会、《拆解追溯GPT-3.5 各项能力的起源》，中航证券研究所整理

◼ GPT-3采用无监督学习机制。优点在于无需人工进行数据标注，可以节省模型训练成本，模型泛化能力更强，经过少量样本训练，就可以看到准确度显著提升。

加入人类反馈强化学习，GPT3.5/4获得对话能力。 ①定义及优缺点：RLHF无需提前对训练数据进行标注，而只需要人工对模型输出的结果进行评分，虽然需要消耗一定的人力，但是模型结果会更加符合人类偏好；②GPT-4训练模型：GPT-4的训练与GPT-3.5类似，包括SFT的预训练、基于RLHF的奖励模型训练和强化学习的PPO算法微调，不同的是使用了基于规则的奖励模型 (RBRM) ，在PPO 微调期间向 GPT-4 提供额外的奖励信号。

图表9：训练模型由GPT-3的无监督学习，进化到GPT-3.5/4的人工反馈的强化学习

资料来源：Language Models are Few-Shot Learners、《ChatGPT发展历程、原理、技术架构详解和产业未来》，中航证券研究所整理

➢ 3月15日，OpenAI发布了ChatGPT的最新“升级版本”— GPT4模型，OpenAI在官网表示，GPT4是一个能接受图像和文本输入，并输出文本的多模态模型，是OpenAI在扩展深度学习方面的最新里程碑。GPT4的语言理解和生成能力均超过了ChatGPT，可以解答ChatGPT无法完成的问题，同时GPT4可以描述并理解图片。

视觉识别能力：GPT-4视觉识别能力突出

文本理解和图像识别并行：GPT-4 可以接受文本和图像的提示，允许用户指定任何视觉或语言任务。在一系列域（包括包含文本和照片的文档、图表或屏幕截图）上，GPT-4 表现出与纯文本输入类似的功能。

• 辨别幽默元素：除了能够识别图像内容，GPT-4还能辨别图像中存在的幽默元素，并做出相关解释。

图表10： GPT-4视觉识别相关案例

用户：我可以用这些原料做什么?

GPT-4：你可以用这些原料做很多选择!一些可能性包括：煎饼或华夫饼、可丽饼、法式吐司、煎蛋卷或菜肉馅煎蛋饼、乳蛋饼奶油冻或布丁、蛋糕或纸杯蛋糕松饼或面包、饼干。

这些只是几个例子，但可能性是无穷无尽的!

资料来源：OpenAI官网、美信全球，中航证券研究所整理用户：这张图有什么好笑的？一个面板一个面板地描述它。

GPT-4：该图显示了带有三个面板的

“Lightning Cable”适配器的包装。面板 1：带有 VGA 连接器（一种大的蓝色 15 针连接器，通常用于计算机显示器）的智能手机已插入其充电端口。面板 2：“LightningCable”适配器的包装，上面有 VGA 连接器的图片。面板 3：VGA 连接器特写，末端有个小型闪电连接器（用于为 iPhone 和其他Apple 设备充电）

这张图片中的幽默来自将过时的大型 VGA 连接器插入小型现代智能手机充电端口的荒谬做法。

◼ 语言能力：语言测试中GPT-4完胜其他大模型（Chinchilla，PALM）。

• 英语测试中，GPT-4的准确率为85.5%，高出第二名15pct，取得碾压优势；

• 除英语外的26种语言测试中，GPT-4在24种的准确率获胜，包括拉脱维亚语、威尔士语、斯瓦希里语等资源匮乏的语言，准确率集中在70%-85%，虽与其他模型相比优势突出，但未来仍存在较大提升空间。

• 文字输入限制大幅提升，由基于GPT-3.5的ChatGPT的3000字限制提升至GPT-4的25000字，用户使用将开拓更多使用场景。

图表11：GPT-4文字输入限制提升至2.5万字

资料来源：OpenAI官网、Life Architect ，中航证券研究所整理

图表12：GPT-4在英语测试中优于现有语言模型（准确率）

图表13：GPT-4在除英语外的26种语言测试中，准确率集中在70%-85%

推理能力：已表现出人类水平的性能，较GPT-3.5更进一步。

学术和专业基准测试：在与其他模型的对比种，GPT-4除了在阅读理解和算术方面与最佳外部模型略有差距，其他的学术测试表现均获胜，基于日常的常规推理和小学多选科学题的准确度更是达到了95%以上，较外部模型高10pct以上。

应试方面展现“恐怖实力”，GPT-4在模拟律师资格考试种进入前10%，SAT的读写&数学得分均在700分以上，GRE接近满分，在GLUE语言理解基准测试上取得了90.1的平均得分，某些性能已经与人类持平甚至超越。

图表14：GPT-4在学术和专业测试中优于现有模型

GPT-4 GPT-3.5 最佳外部语言模型最佳外部模型
多项选择题 (57个学科)	★ 86.4%	70.0%	70.7%	75.2%
基于日常的常规推理	★ 95.3%	85.5%	84.2%	85.6%
小学多选科学题	★ 96.3%	85.2%	85.2%	86.5%
围绕代词解析的常识推理	★ 87.5%	81.6%	85.1%	85.1%
Python代码任务	★ 67.0%	48.1%	26.2%	65.8%
阅读理解和算术	80.9%	64.1%	70.8%	★ 88.4%
小学数学题	★ 92.0%	57.1%	58.8%	87.3%

资料来源： OpenAI官网、GPT-4 Technical Report，中航证券研究所整理

图表15：GPT-4在各项模拟考试中的表现

Exam	GPT-4	GPT-4 (no vision)	GPT-3.5
Uniform Bar Exam (MBE+MEE+MPT)	298 / 400 (-90th)	298 /400 (-90th)	213 / 400 (-10th)
LSAT	163 (-88th)	161 (-83rd)	149 (-40th)
SAT Evidence-Based Reading & Writing	710 / 800 (-93rd)	710 / 800 (-93rd)	670 / 800 (-87th)
SAT Math	700 / 800 (-89th)	690 / 800 (-89th)	590 / 800 (-70th)
Graduate Record Examination (GRE) Quantitative	163 / 170 (-80th)	157 / 170 (-62nd)	147 / 170 (-25th)
Graduate Record Examination (GRE) Verbal	169 / 170 (-99th)	165 / 170 (-96th)	154 / 170 (-63rd)
Graduate Record Examination (GRE) Writing	4/6 (-54th)	4/6 (~54th)	4/6 (-54th)
USABO Semifinal Exam 2020	87 / 150 (99th - 100th)	87 / 150 (99th - 100th)	43 / 150 (31st - 33rd)
USNCO Local Section Exam 2022	36/60	38 /60	24/60
Medical Knowledge Self-Assessment Program	75%	75%	53%
Codeforces Rating	392 (below 5th)	392 (below 5th)	260 (below 5th)
AP Art History	5 (86th - 100th)	5 (86th - 100th)	5 (86th - 100th)
AP Biology	5 (85th - 100th)	5 (85th - 100th)	4 (62nd - 85th)
AP Caleulus BC	4 (43rd - 59th)	4 (43rd - 59th)	1 (0th - 7th)
AP Chemistry	4 (71st - 88th)	4 (71st - 88th)	2 (22nd - 46th)
AP English Language and Composition	2 (14th - 44th)	2 (14th - 44th)	2 (14th - 44th)
AP English Literature and Composition	2 (8th - 22nd)	2 (8th - 22nd)	2 (8th - 22nd)
AP Environmental Science	5 (91st - 100th)	5 (91st - 100th)	5 (91st - 100th)
AP Macroeconomics	5 (84th - 100th)	5 (84th - 100th)	2 (33rd - 48th)
AP Microcconomics	5 (82nd - 100th)	4 (60th - 82nd)	4 (60th - 82nd)
AP Physics 2	4 (66th - 84th)	4 (66th - 84th)	3 (30th - 66th)
AP Psychology	5 (83rd - 100th)	5 (83rd - 100th)	5 (83rd - 100th)
AP Statistics	5 (85th - 100th)	5 (85th - 100th)	3 (40th - 63rd)
AP US Govemment	5 (88th - 100th)	5 (88th - 100th)	4 (77th - 88th)
AP US History	5 (89th - 100th)	4 (74th - 89th)	4 (74th - 89th)
AP World History	4 (65th - 87th)	4 (65th - 87th)	4 (65th - 87th)
AMC 10	30 / 150 (6th - 12th)	36/ 150 (10th - 19th)	36/150 (10th - 19th)
AMC 12	60 / 150 (45th - 66th)	48 / 150 (19th - 40th)	30 / 150 (4th - 8th)
Introductory Sommelier (theory knowledge)	92%	92 %	80%
Certified Sommelier (theory knowledge)	86%	86%	58%
Advanced Sommelier (theory knowledge)	77%	77%	46%
Leetcode (easy)	31/41	31/41	12/41
Leeteode (medium)	21/80	21/80	8/80
Leetcode (hard)	3/45	3/45	0/45

联网功能+插件功能，打造AI生态帝国，成就属于ChatGPT的苹果“Apple Store”时刻。

➢ OpenAI已经官宣ChatGPT将实现联网、自行添加插件、允许上传图片、视频、CSV文件等多种功能。

图表18：ChatGPT能够完成Photoshop的功能

➢ 基于OpenAI提供的Demo视频来看，未来用户能够使用的ChatGPT：①可以搜索到提取后的即时性信息，并提供信息来源链接；②能够基于CSV文件，实现SQL的提取数据功能，Excel&Python的作图功能等；③能够根据语言指令，对视频进行剪辑，对图片进行修改，或替代PR/PS等软件。

➢ 我们认为，GPT产品的更迭象征着AI进入新的发展阶段，这背后技术上的变化突破主要体现在模型技术、参数、训练数据、训练方法的演化融合。

图表16：ChatGPT能够提供互联网最新的信息

资料来源：智东西、OpenAI官网，中航证券研究所

图表17：ChatGPT能够基于CSV文件作图

Here is the neomodernist Python icon image resized to be 4x smaller.

➢ 据官网资料，ChatGPT的第一批插件由Expedia、FiscalNote等公司提供，这些插件的具体功能包括推荐餐厅、制定出游计划、网上商店购物、企业办公、信息检索、语言教学等，涵盖日常生活的衣食住行各个方面。“插件商店（ChatGPT Plugins Store）”的推出意味着其他服务成为了ChatGPT的“眼睛和耳朵”，用户将能在ChatGPT中使用几乎外部所有软件，极大提升便利性和效率。

图表19：ChatGPT中安装插件界面
图表20：ChatGPT运用插件计算食材卡路里

资料来源：OpenAI官网、中航证券研究所整理

图表21：ChatGPT运用插件预定酒店并规划食谱

Model:Plugins ALPHA·Enabled plugins:

Looking to eat vegan food in San Francisco thisweekend.Could you get me one great restaurant suggestion for SaturdayandasimplerecipeforSunday (justthe ingredients)?Please calculate thecalories for the recipeusing WolframAlpha.Finallyorderthe ingredients on Instacart.

Using OpenTable...米

I found a great vegan restaurant in San Francisco for you to tryon Saturday： Greens Restaurant. You can makea reservation for yourdesiredtime through the provided link.

ForSundayhere'sasmple veganrecipe withthe ingredients:

OpenAI是一家成立于2015年的非营利性人工智能研究公司，在发展历程中，OpenAI从研究深度学习、强化学习和自然语言处理等领域开始，转向面向商业应用的探索，并逐步成为一个向公众和全球开发者开放的开源人工智能组织。

◼ OpenAI团队是由多位顶尖的人工智能科学家、工程师和管理人员组成的，包括创始人兼CEO Sam Altman、CTO Greg Brockman、联合创始人Ilya Sutskever和Wojciech Zaremba、以及研究员Andrej Karpathy和Dario Amodei等。这些团队成员在人工智能领域有着丰富的经验和卓越的成就，曾在Google、Microsoft、Facebook等知名公司或高校从事人工智能相关工作。

图表22：OpenAI发展历程

资料来源：科技圈探秘、钛媒体、读创、CSDN、创业邦，中航证券研究所整理

在AGI(通用人工智能）愿景的驱动下，OpenAl的Al能力全面。OpenAl当前模型几乎涉及所有需要解决自然语言/代码的理解/生成任务的领域，其API(ApplicationProgramming Interface,应用程序编程接口，编程人员可以通过API调用相关代码，而无需掌握代码本身）包括文本、代码、图像等五大类，可以用于完成自然语言问答、聊天、Python/SQL代码标注/修改、食谱创作等具体任务。

除了ChatGPT的GPT-3（语言生成模型）外，OpenAI的精选模型还包括DALL-E（视觉生成模型）、CLIP（图像和文本联合编码器）、Jukebox（音频生成模型）等。

图表23：OpenAI主要应用领域

资料来源：OpenAI官网、智东西、Neurohive、腾讯云，中航证券研究所整理

图表24：Dall-E 2基于文本创建原始逼真图片

图表25：Dall-E 2基于原图片创造不同变体

图表26：CLIP明显优于RESNET101

OpenAI的最大投资人微软已率先受益，开始利用GPT-4提高产品竞争力，或占据AI革命先发优势。

➢ 微软再注资，打响AI闪电战：2023年1月23日，微软宣布向ChatGPT开发者的OpenAI追加投资数十亿美元，以支持OpenAI的研究，让OpenAI的最新估值达到290亿美元。微软将ChatGPT视为新一代技术革命，将ChatGPT整合进Bing搜索引擎、Office全家桶、Azure云服务、Teams程序等产品中。

➢ Office“副驾驶”猛踩生产力“加速油门”：北京时间3月17日凌晨，微软举办了一场名为“与AI一起工作的未来(The Future of Work with AI)”的线上活动，正式把OpenAI的聊天机器人技术引入到Office办公套件当中，为其推出AI助手Copilot，其中文翻译为“副驾驶”，旨在帮助人们生成文档、电子邮件、演示文稿等。Copilot将大型语言模型(LLM)的能力与Microsoft Graph和Microsoft 365应用程序中的数据相结合，将office变成“地球上最强大的生产力工具”。

图表27：微软的AI生态
图表28：Microsoft 365 Copilot的运行原理

资料来源：澎湃新闻、PCMag、Microsoft 365，中航证券研究所整理

一、为什么ChatGPT爆火？

二、GPT产品的演绎路径？

三、 AIGC的底层技术驱动？

四、AIGC如何重构内容生产力？

五、看好“AI+”哪些应用场景？

六、如何把握“AI+”时代的投资机遇？

◼ 互联网内容生产方式经历了PGC、UGC、AIGC的过程，AIGC是一种利用人工智能技术自动生成内容的新型生产方式。

➢ PGC（Professionally Generated Content）是专业生产内容，如Web1.0和广电行业中专业人员生产的文字和视频，其特点是专业、内容质量有保证。

➢ UGC（User Generated Content）是用户生产内容，伴随Web2.0概念而产生，特点是用户可以自由上传内容，内容丰富，但质量良莠不齐。

➢ AIGC（AI Generated Content）是由AI生成的内容，其特点是自动化生产、高效，规模、质量都能得到保障，预示着Web3.0时代已经到来。

图表29：内容创作模式的四个发展阶段对比

	PGC	UGC	Al-Assisted GC	AIGC
规模	小	大	较大	大
质量	高	低	较高	高
特点	专业质量有保证	自由上传内容丰富	质量提升丰富度提升	高效率

资料来源：界面新闻、Fabricventurs、澎湃新闻、ShineINFAITH、crypto.com，中航证券研究所整理

图表30：AIGC产业生态初步形成

◼ AI技术逐渐实现从分析到创造的迭代，AIGC产业生态体系雏形已经显现，呈现为上中下三层架构。

① 上游基础层，即由预训练模型为基础搭建的AIGC技术基础设施层，如相关算法/模型研究结构；

② 中间层模型，即垂直化、场景化、个性化的模型和应用工具，在预训练的大模型基础上微调，实现在不同行业、垂直领域、功能场景的工业流水线式部署；

③ 下游应用层，即面向C端用户的文字、图片、音视频等内容生成服务，包括网页、本地安装的程序、移动端小程序、群聊机器人等。

图表31：AIGC产业生态体系的三层架构

资料来源：腾讯研究院、量子位，中航证券研究所整理

 ChatGPT订阅计划重新定义AIGC商业模式，打破了人们对于AI技术大多应用于嵌入式项目的固有印象。2月2日，OpenAI公司宣布推出付费试点订阅计划ChatGPTPlus，定价每月20美元，其功能包括高峰时段免排队、快速响应以及优先获得新功能和改进等。付费模式推出后，ChatGPT的免费访问权限仍然开放。

 多种变现模式初显，AIGC商业化潜力可期。除了 ChatGPT 以外，NovelAI、Stable Diffusion 等其他主流 AIGC 应用亦开启商业变现，根据内容生成次数、生成质量等条件设置多级别订阅套餐；技术平台层面，GPT-3对外提供API接口，四种模型分别采用不同的按量收费方式，某些模型存在训练收费模式。

图表32：AIGC国外商业变现模式

资料来源：至顶头条、NovelAI官网，中航证券研究所整理

图表33：Novel AI收费模式

◼ 创新生成算法+预训练模型+多模态技术，驱动AIGC技术变革。GAN为早期最著名的生成模型，随后Transformer、基于流的生成模型、扩散模型相机涌现，而预训练模型引发了AIGC技术能力的质变，多模态技术推动了AIGC的内容多样性。

AI三大核心要素是数据、算力和算法。数据是AI算法的“饲料”，AI算法需要通过数据训练不断完善，而数据标注是大部分AI算法得以有效运行的关键环节；算法是AI的背后“推手”，主流的算法主要分为传统的机器学习算法和神经网络算法，目前神经网络算法因为深度学习的快速发展而达到了高潮；算力是算法和数据的基础设施，支撑着算法和数据，算力的大小代表着对数据处理能力的强弱，进而影响着AI的发展。

图表34： AIGC产业的技术驱动
资料来源：腾讯研究院、中航证券研究所整理

◼ 生成式AI与自然语言处理（NLP）、计算机视觉（CV）等技术密切相关，ChatGPT的出现是技术迭代的结果。

➢ NLP（Natural Language Processing，自然语言处理）：生成式AI可以用于生成新的文本、回答问题、语言翻译和对话系统等任务。例如，通过使用循环神经网络（RNN）和长短时记忆网络（LSTM）等模型，可以训练出生成式模型来生成语言模型、机器翻译和对话系统等。

CV（Computer Vision，计算机视觉）：用于生成新的图像或视频。例如，通过使用生成对抗网络（GAN）等模型，训练出生成式模型来生成逼真的图像或视频。

➢ VL（Visual Languages，视觉-语言）=NLP+CV：通常需要结合NLP和CV技术，用于生成描述图像或视频的自然语言句子，例如使用卷积神经网络（CNN）来提取图像中的特征，并使用循环神经网络（RNN）或变换器（Transformer）等模型来生成相应的自然语言描述。

◼ GPT-4是VL技术的产物。基于Transformer模型，OpenAI相继推出GPT-1、GPT-2、GPT-3，22年在此基础上推出InstructGPT、ChatGPT，23年更是推出兼具视觉&语言能力的GPT-4，相较之前的自然语言模型，GPT-4能实现更顺畅、符合人类思维的答案，对未知问题的回答更优，甚至能够识别图片中的幽默元素。

图表35：生成式AI的发展历史（基于NLP、CV、VL三类模型）

资料来源：A Comprehensive Survey of AI-Generated Content (AIGC)，中航证券研究所整理

底层技术原理迅速发展，AIGC技术场景不断完善。伴随着GPT-4的推出，ChatGPT已经具备了多模态生成能力，较之前的基于NLP技术的文本生成能力跨越了一大步。伴随着相关技术的发展，目前AIGC生成正在完成从简单的降本增效（以生成金融/体育新闻为代表）向创造额外价值（以提供绘画创作素材为代表）转移，跨模态/多模态内容成为关键的发展节点。

◼ AIGC不同场景的原理及技术迭代情况：文本生成方面，大参数量叠加大型预训练模型加持，提升通用能力和理解承接能力；图像生成方面，则经历了三次模型迭代，现已出现构建3D图像的神经辐射场模型；多模态生成方面，“CLIP+其他模型”在当今跨模态生成领域成为一种较为通用的做法。

图表36：AIGC技术场景（模型原理及技术迭代情况）

文本生成（基于NLP技术）

大参数量→通用能力

精进以Transformer架构为重要代表的底层架构→理解能力、承接能力、逻辑能力

资料来源：量子位、中航证券研究所整理

音频生成

文本转音频

富文本信息抓取→抑扬顿挫

较少数据→整体复制能力

AI作曲

以语言模型为中介

对音乐数据进行双向转化

图像生成

神经辐射场模型NeRF — 符合3D内容消费趋势的新一代模型

扩散模型DiffusionModel — 新一代图像生成主流模型

#

生成对抗网络GAN图像生成传统思路

视频生成

视频属性编辑
视频画质修复
删除画面中特定主体
视频自动编辑
按照氛围、情绪等
高级语义限定

视频部分生成将视频切割成帧，再对每一帧的图像进行处理

图像、视频、文本间跨模态生成

CLIP模型的出现，“CLIP+其他模型”在跨模态生成领域成为一种较为通用的做法

Vision Transformer将Transformer架构首次应用于图像领域

Transformer架构的跨界应用成为跨模态学习的重要开端之一

Gartner《2021年预测：人工智能对人类和社会的影响》给出积极预测：

• 至2023年将有20%的内容被AIGC所创建；

• 至2025年，Gartner预计AIGC产生的数据将占所有数据的10%，而今天这个比例不到1%；

根据2022年7月Gartner披露的“人工智能技术成熟度曲线”，AIGC仍处于萌芽期，但其广阔的应用场景和巨大需求空间吸引着大量资本和技术的投入，预计将在2-5年内实现规模化应用。

图表37：2022年人工智能技术成熟曲线

资料来源：量子位、Gartner，中航证券研究所整理

一、为什么ChatGPT爆火？

二、GPT产品的演绎路径？

三、 AIGC的底层技术驱动？

四、AIGC如何重构内容生产力？

五、看好“AI+”哪些应用场景？

六、如何把握“AI+”时代的投资机遇？

2030年，我国AIGC市场规模将超万亿：量子位智库测算，2023-2025年是我国AIGC产业市场规模增长的第一阶段，增长率维持在259%左右；2023-2025年，入局玩家涌现，市场规模达到约260亿人民币；2025年开始，随着底层大模型完成对外开放，行业生态完善，应用层蓬勃将带动产业快速增长，年复合增长事将超过70%；预计2027年我国AGC产业规模超600亿人民币；2028年开始，AIGC产业将延展出完整产业链，渗透到千行百业，2030年市场规模有望超万亿。

图表38： AIGC的三大阶段和预期市场规模（亿元）及增速

• 底层大模型发展加速

基于开源模型上层应用迅速出现，受到底层大模型接口限制，其他领域应用受限

• 产业生态相对封闭

• 大部分技术尚未达到生产水平

（2025-2027）应用蓬勃期

人机共创逐渐被行业普遍尝试应用，内容咨询和娱乐传媒领域出现确定性价值，基本价值和思路得到验证

• 入局玩家增多，大模型开放API增加，大量应用玩家进场

AIGC在个性化、实时化等方向延展价值得以发挥，其他业务紧密链接

• 产业生态逐渐完善

• 持续运营生态内容体系出现，催生新业态，产业链条完善

资料来源：量子位、中航证券研究所整理

◼ AIGC模型有望成为自动化内容生产的“工厂”和“流水线”。不断创新的生成算法、预训练模型、多模态等技术融合带来了AIGC技术变革，构筑智能数字内容孪生、智能数字内容编辑、智能数字内容创作构筑AIGC的能力闭环。

图表39： AIGC技术对于内容创作的赋能

孪生能力

建立现实世界到数字世界的映射

• 将现实世界中的物理属性和社会属性高效、可感知地进行数字化。

AIGC

编辑能力

建立现实世界到数字世界的双向交互

• 在数字内容孪生的基础上，从现实世界实现对虚拟数字世界中内容的控制和修改；

• 实现数字仿真的基础。

创作能力

让人工智能算法具备内容创作和自我演化的能力• 形成的AIGC产品具备类似甚至超越人的创作能力。

智能增强技术

智能转译技术

语义理解技术

属性控制技术

三维重构

视觉描述

音频修复

基于模仿创作

摘要合成

数字人

基于概念创作

语音合成

智能作画

短片创作

文本写作

技术支撑

计算机视觉技术

自然语言处理技术

资料来源：中国信通院、中航证券研究所整理

其他单模态技术

多模态技术

◼ 应用领域：技术加速迭代背景下，AIGC细分场景众多，文本、音频、图像领域发展较快，合成数据生成的现有需求成熟度最高，2B内容生成工具的现有技术成熟度最高。

◼ 基于模态： AIGC可分为音频生成、文本生成、图像生成、视频生成及图像、视频、文本间的跨模态生成，细分场景众多，跨模态生成是未来重点发展趋势。

图表40：基于不同的模态对应的技术和商业场景

资料来源：量子位、中航证券研究所整理

图表41：AIGC场景商业化潜力估算

 技术视角下：目前AIGC生成正在完成从简单的降本增效（以生成金融/体育新闻为代表）向创造额外价值（以提供绘画创作素材为代表）转移，跨模态/多模态内容成为关键的发展节点。

 未来发展方向：文本-图像-视频的跨模态生成、2D到3D生成、多模态理解结合生成。

图表42：AIGC技术场景及发展预测

	文本生成	音频生成	图像生成	视频生成	图像、视频、文本间跨模态生成	Game Al	虚拟人生成
较为广泛地实际应用、技术细节仍待进一步提升	结构化写作(新闻播报等，有比较强的规律)辅助性写作（推荐相关内容、帮助润色，不属于严格AIGC)闲聊机器人(虚拟男/女友、心理咨询等)	·语音克隆·文本生成特定语音（生成虚拟人歌声/播报等）·乐曲/歌曲生成(包含作曲及编曲，在实际应用中常包含自动作词)	·图像编辑工具(去除水印、提高分辨率、特定滤镜等	·视频属性编辑（删除特定主体、生成特效、跟踪剪辑等)			虚拟人视频生成
底层技术原理基本明确，预计1-2年内将规模化应用	非结构化写作(剧情续写、营销文本等，需要一定创意和个性化）文本交互游戏等(AIdungeon等)	·AI降噪	创意图像生成(随机或按照特定属性生成画作等）功能性图像生成（根据指定要求生成营销类海报、模特图、logo等)	·视频部分编辑(视频换脸等）	文字生成图像(根据文字prompt生成创意图像)文字生成演示视频(拼接图片素材生成视频)	· Al Bot·NPC逻辑及剧情生成	虚拟人实时交互
底层技术原理仍待完善，增长可期	文本生成终稿达到人类平均水平甚至专业水平	·AI作曲与人类创作音乐水平相似甚至超越	图像生成达到基本本产品设计水平，甚至于专业人士持平	·视频自动剪辑（对特定片段进行检测及合成)	·文字生成创意视频(完全从头生成特定主题视频图像/视频到文本(视觉问答系统、自动配字幕/标题等)	·数字资产生成

资料来源：量子位、红衫美国，中航证券研究所整理

AIGC重塑内容生产新范式，优势凸显。

➢ 需求端，技术浪潮之下，数字内容大步迈进多元化的螺旋式强需求升级周期，巨大的内容缺口有望以更高效的方式来填补；

➢ 供给端，AI正加速融入到文字、音乐、视频、3D多种数字内容生成的全链条流程中，重塑数字内容生产的人机协作新范式，赋能更多内容创作者高频、低成本、高效产出更多高质量、个性化、定制化内容，有望成为未来内容生产基础设施，进一步激活新的消费和需求，极大丰富数字内容生态。

图表43：AIGC在内容生产的优势

资料来源：腾讯研究院、中航证券研究所整理

一、为什么ChatGPT爆火？

二、GPT产品的演绎路径？

三、 AIGC的底层技术驱动？

四、AIGC如何重构内容生产力？

五、看好“AI+”哪些应用场景？

六、如何把握“AI+”时代的投资机遇？

 数字化程度高、内容需求丰富的行业或率先受益。AIGC可覆盖诸多应用场景，以其真实性、多样性、可控性、组合性的特征，有望助力企业提高内容生产的效率，以及为其提供更加丰富多元、动态且可交互的内容，或将率先在传媒、电商、影视、娱乐等数字化程度高、内容需求丰富的行业取得重大创新发展。

图表44：AIGC应用场景及覆盖领域

资料来源：中国信通院、京东探索研究院，中航证券研究所整理

图表45： AIGC赋能媒体路径

资料来源：中国信通研究院，中航证券研究所整理

图表46： AIGC赋能游戏路径（以腾讯AI Lab为例）

资料来源：量子位，中航证券研究所整理

图表47： AIGC赋能影视路径

资料来源：中国信通研究院，中航证券研究所整理

图表48： AIGC赋能电商路径

资料来源：中国信通研究院，中航证券研究所整理

图表49：： AIGC赋能娱乐路径

资料来源：中国信通研究院，中航证券研究所整理

图表50：： AIGC赋能部分行业路径

资料来源：中国信通研究院，中航证券研究所整理

一、为什么ChatGPT爆火？

二、GPT产品的演绎路径？

三、 AIGC的底层技术驱动？

四、AIGC如何重构内容生产力？

五、看好“AI+” 哪些应用场景？

六、如何把握“AI+”时代的投资机遇？

 投资建议（AIGC应用方向）：人工智能奇点将近，引爆AIGC商业变现。GPT产品的更迭标志着人工智能进入了新的发展阶段，模型技术、参数、训练数据、训练方法的演化融合方面取得了实质突破，合成数据为AI模型训练开发提供强大助推器，大大繁荣数字内容的供给，有望成为未来3D互联网的基础支撑，加速推进AIGC商业化进程，掀起“用户-数据-效果”的飞轮效应。全年维度看，随着GPT逐渐从主题转向能够落地的阶段，有望在游戏、内容IP、电商、影视传媒等数字化程度高、内容需求丰富的行业率先商业化落地，赢家将展露头角。

 重点推荐：游戏（昆仑万维/世纪华通/汤姆猫/神州泰岳/恺英网络）；内容IP（中文在线/中文传媒/视觉中国/果麦文化）;电商（小商品城/华凯易佰/吉宏股份/值得买）；办公（万兴科技/金山办公/泛微网络）；影视传媒（上海电影/光线传媒/人民网/新华网）；广告营销（蓝色光标/三人行/风语筑）；金融（同花顺）；酒店（石基信息）；数据要素（浙数文化/美亚柏科）。

图表51：： AIGC投资逻辑

资料来源：公司官网、证券日报、东方财富等，中航证券研究所

AIGC代表新一轮内容生产范式的变革，具备内容质量高、效率高、成本低的特点，核心价值在于生产可直接消费内容、结合底层系统生产高附加值内容、提供内容生产辅助工具、用于提供体系化的解决方案（个性化内容营销、实时交互内容、合成数据、NPC等），我们认为文字/图片/代码模态应用最快，跨模态是大趋势，重点关注具备内容IP资源、数字人、数据要素、视觉创意等优势的企业。

不断创新的生成算法、与训练模型、多模态等技术融合带来了AIGC技术变革，未来兼具大模型和多模态模型的AIGC模型有望实现自动化内容生产的“工业流水线式部署”，模型即服务（MaaS）有望引领AIGC商业化路径， “以大数据预训练+小数据微调”的方式完成内容生产的精准度和颗粒度，重点关注拥有自由大模型和与头部大模型有业务合作的企业。

AIGC具备极强的产业延伸和渗透能力，很大程度上提升生产效率与服务效率，未来，随着模型更迭和算力升级，AIGC将赋能千行百业，进入大规模验证和体系化发展的快速发展期，我们认为有Know-how或者垂直行业数据沉淀的企业在AI大模型基础上调试的优化边界最高，重点关注在游戏、内容IP、电商、影视传媒等领域有“AI+”产品落地的企业。

图表52：AIGC投资标的（按应用场景划分）

办公

金山办公

WPS软件，华为战略合作伙伴

彩讯股份

文心合作、参股电商接入OpenAI

福昕软件

公司在研PDF Editorfor Cloud集成ChatGPT

泛微网络

腾讯持股，企业微信战略合作伙伴

万兴科技

AIGC赋能数字创意产业，GPT-4/文心合作

政务

浙数文化
聚焦数据资产，深度参与到浙江数
字浙江和城市大脑智慧城市建设拓尔思
自主研发NLP技术，在政务和媒体
等领域有内容审查相关业务模块美亚柏科
大数据分析、电子数据取证、智慧城市等业务

游戏

汤姆猫

海外收入80%，海外产品接入GPT

昆仑万维

Opera接入GPT4，自研大模型推出

神舟泰岳

NLP+游戏深入布局公司

盛天网络

打造声音社交平台“带带电竞”

巨人网络

“球球IP赛道”启动全AI开发计划

恺英网络

战投企业应用AI工具，建立数据库世纪华通

多款产品已开始接入AIGC工具

搜索引擎

三六零自研大模型，搜索引擎应用场景

金融

同花顺打造对话交互问答系统“问财”

资料来源：公司官网、证券日报、东方财富等，中航证券研究所整理

广告营销

蓝色光标
海外收入72%，微软广告代理
易点天下
大厂出海营销龙头，微软广告代理
开普云
旗下数字人接入ChatGPT
风雨筑
投资的星图比特是“通义千问"首批
企业级生态合作伙伴，与百度签署
战略合作协议
三人行
与科大讯飞战略合作，AI赋能营销

内容 IP

中文在线

百度参股，与澜舟合作孟子大模型

视觉中国

旗下元视觉网站推出AI作图应用

果麦文化

图书出版+AI创作机器人

中文传媒

内容版权+持有新华智云6%股份捷成股份

版权运营+子公司接入ChatGPT

影视传媒

光线传媒

在摸索ChatGPT在业务上的应用

华策影视

AIGC技术应用于影视生产全链路

新华网

新华智云AIGC数字人领域走在前列

人民网

国家级数据云平台人民云

上海电影

收购上影元文化51%股权，发挥内容及IP优势，AI赋能文化输出宣发

芒果超媒内容IP丰富+数字人

教育

盛通股份

AI教育，已开展AI绘画课程世纪天鸿

推出Al产品“笔神"APP

创业黑马

达摩院合作，打造本土化模型

发布首个儿童版chatGPT产品智娃

电子商务

小商品城打造义乌全球数字自贸中心，全面数字化转型

华凯易佰

AIGC+跨境电商，降本增效

吉宏股份

跨境电商板块和SaaS吉喵云的主要业务模块里均有使用AIGC技术

值得买

MGC内容平台占比20%，接入文心言打造智能化消费内容服务体系

酒店

石基信息推出企业级酒店系统产品

交通

佳都科技
数据底座系统已积累大量行业数据
信息发展
交通部旗下交通运输通信信息集团
为实控人

 行业监管风险：针对行业乱象，监管或趋向严格，部分公司存在被整顿调整风险

 政策收紧的风险：数字经济政策的不确定性，未来存在政策监管趋严的风险

 技术发展不及预期的风险：数字经济行业发展需要巨量技术支撑，一旦遭遇技术发展瓶颈，数字经济产品应用发挥或受阻

 内容生态建设不及预期的风险：数字经济产业布局及内容生态搭建的不确定性，可能存在供需脱轨情况

 变现不及预期风险：AIGC产品市场接受度及认可度存在不确定性，未来产品盈利变现能力或不及预期

 舆论炒作风险：AIGC概念兴起，部分公司存在概念炒作的可能，而实际技术/产品/应用投入不足，研发能力欠缺

 市场竞争风险：伴随数字经济及数字经济政策及市场利好，多行业公司入局AIGC产业，市场竞争日益加剧

分析师简介

裴伊凡（证券执业证书号：S0640516120002），英国格拉斯哥大学经济学硕士，中航证券社会服务行业分析师，覆盖互联网传媒、教育、医美、免税、餐饮、旅游等行业。

分析师承诺

负责本研究报告全部或部分内容的每一位证券分析师，再次申明，本报告清晰、准确地反映了分析师本人的研究观点。本人薪酬的任何部分过去不曾与、现在不与，未来也将不会与本报告中的具体推荐或观点直接或间接相关。

风险提示：投资者自主作出投资决策并自行承担投资风险，任何形式的分享证券投资收益或者分担证券证券投资损失的书面或口头承诺均为无效。

我们设定的上市公司投资评级如下：

买入：未来六个月的投资收益相对沪深300指数涨幅10%以上。

持有：未来六个月的投资收益相对沪深300指数涨幅-10%-10%之间

卖出：未来六个月的投资收益相对沪深300指数跌幅10%以上。

我们设定的行业投资评级如下：

增持：未来六个月行业增长水平高于同期沪深300指数。

中性：未来六个月行业增长水平与同期沪深300指数相若。

减持：未来六个月行业增长水平低于同期沪深300指数。

免责声明

本报告由中航证券有限公司（已具备中国证券监督管理委员会批准的证券投资咨询业务资格）制作。本报告并非针对意图送发或为任何就送发、发布、可得到或使用本报告而使中航证券有限公司及其关联公司违反当地的法律或法规或可致使中航证券受制于法律或法规的任何地区、国家或其它管辖区域的公民或居民。除非另有显示，否则此报告中的材料的版权属于中航证券。未经中航证券事先书面授权，不得更改或以任何方式发送、复印本报告的材料、内容或其复印本给予任何其他人。未经授权的转载，本公司不承担任何转载责任。

本报告所载的资料、工具及材料只提供给阁下作参考之用，并非作为或被视为出售或购买或认购证券或其他金融票据的邀请或向他人作出邀请。中航证券未有采取行动以确保于本报告中所指的证券适合个别的投资者。本报告的内容并不构成对任何人的投资建议，而中航证券不会因接受本报告而视他们为客户。

本报告所载资料的来源及观点的出处皆被中航证券认为可靠，但中航证券并不能担保其准确性或完整性。中航证券不对因使用本报告的材料而引致的损失负任何责任，除非该等损失因明确的法律或法规而引致。投资者不能仅依靠本报告以取代行使独立判断。在不同时期，中航证券可发出其它与本报告所载资料不一致及有不同结论的报告。本报告及该等报告仅反映报告撰写日分析师个人的不同设想、见解及分析方法。为免生疑，本报告所载的观点并不代表中航证券及关联公司的立场。

中航证券在法律许可的情况下可参与或投资本报告所提及的发行人的金融交易，向该等发行人提供服务或向他们要求给予生意，及或持有其证券或进行证券交易。中航证券于法律容许下可于发送材料前使用此报告中所载资料或意见或他们所依据的研究或分析。

群内每日免费分享5份+最新资料

300T网盘资源+40万份行业报告

为您的创业、职场、商业、投资、亲子、网赚、艺术、健身、心理、个人成长 …… 全面赋能！

关注公众号获取更多资料

添加微信，备
注“入群”
立刻免费领取
200套知识地图+最新研报

致终身学习者社群

行业报告/思维导图/电子书/资讯情报

人工智能行业六问六答，“AI+应用”投资框架-中航证券-2023-WN5